在推薦系統領域，人們往往只關注「使用者-專案」之間的關聯關係，而較少考慮它們所處的上下文環境（如時間、位置、周圍人員、情緒、活動狀態、網路條件等等）。但是在許多應用場景下，僅僅依靠"使用者-專案"二元關係並不能生成有效推薦。例如，有的使用者更喜歡在"早上"而不是"中午"被推薦合適的新聞資訊；有的使用者在不同的心情可能會希望被推薦不同型別的**。將引入上下文資訊融入到基於使用者相似性、專案相似性和基於模型的協同過濾中,將其擴充套件為基於上下文使用者偏好相似性計算和基於模型的上下文感知協同過濾,期望通過增加上下文約束條件,提高相似性計算或者模型的精確度,進而提高推薦精確度.
文獻chen a. context-aware collaborative filtering system: predicting the user』s preferences in ubiquitous computing environment. in:
proc. of the loca 2005. lncs 3479, berlin: springer-verlag, 2005. 244253. [doi:10.1145/1056808.1056836]
認為「相似使用者具有相似的偏好」並不充分，還應當關注「其他使用者在與活動使用者當前上下文相似的上下文條件下對專案的偏好「,提出將上下文資訊、基於專案的上下文關聯係數、使用者-上下文相似性等融入協同過濾技術。
基於內容的上下文感知推薦生成
將上下文資訊融入基於內容的推薦方法,著重考慮使用者偏好、上下文與專案屬性的匹配度,即：挖掘使用者在不同上下文條件下對不同專案屬性的偏好，並結合每個具體專案的屬性描述，發現使用者、專案、上下文之間的匹配程度（或概率），從而**潛在的上下文使用者偏好，最後結合使用者當前上下文生成推薦。因此,在上下文建模、上下文使用者偏好提取之後,專案屬性特徵描述和匹配度計算方法成為關鍵所在.
系統上下文
系統上下文是系統的軟體架構中的基礎構件。開發系統上下文檢視非常重要，因為此檢視將作為回溯到業務上下文 展開功能和操作體系結構的機制使用。我們將提供業務上下文的簡單概述，以了解為何可跟蹤性對其如此重要。業務上下文提供系統需要如何與其他企業互動的組織檢視，描述軟體所在的業務生態系統。此檢視在非常依賴外部...
上下文 上下文棧
全域性 函式 區域性 在執行全域性 前將window確定為全域性執行上下文 對全域性資料進行預處理 var定義的全域性變數 undefined,新增為window的屬性 function宣告的全域性函式 賦值 fun 新增為window的方法 this 賦值 window 開始執行全域性 在呼叫函式...
中斷上下文 程序上下文
在學習與作業系統相關的知識時候，我們經常遇到程序上下文 中斷上下文，看似熟悉又感覺不是特別清晰。這裡我們從如下幾個方面進行描述。上下文是從英文中context翻譯過來的，指的是一種環境。上下文我們看起來不怎麼熟悉，但是我們可以看context的中文翻譯，或者我們能更加的情形些。context n 語...